買方市場條件下，越來越多的實踐表明，企業(yè)成功的關鍵在于重視顧客需求，提供客戶滿意的產品和服務，提升顧客滿意度。增加客戶重復購買可能性。然而，并非所有客戶對企業(yè)來說都是有價值的，通常，80％的企業(yè)利潤由20％的客戶創(chuàng)造，如果企業(yè)對所有客戶都一視同仁，不僅會浪費資源，不利于企業(yè)發(fā)展，而且會增加管理客戶的難度，因此，對企業(yè)來說，識別和分析那些對企業(yè)有價值的客戶并努力提高他們的價值，十分必要。
客戶價值評價指標的建立
客戶價值是客戶細分最為重要的依據。根據客戶價值對客戶群進行細分，可使企業(yè)根據客戶價值級別的差異決定如何在客戶中分配企業(yè)有限資源。然而，客戶價值的評價是由一系列指標構成。對于客戶價值指標的建立，許多學者進行了大量研究，學術界雖在界定客戶價值的貨幣衡量與非貨幣衡量上尚無統(tǒng)一標準和口徑，但建立了各有側重又有很多共性的評價指標體系。目前，國內外對客戶價值的評價，主要是沿用弗雷德單克·萊希赫爾德的凈現(xiàn)值評價方法，該方法在評價客戶價值方面能充分反映客戶現(xiàn)在和將來所能帶給企業(yè)利潤的凈現(xiàn)值，但也存在著兩點不足：過分強調客戶帶來的利潤，忽視了銷售量在客戶價值評價中的作用；強調客戶凈現(xiàn)值對企業(yè)的貢獻而沒有考慮到客戶帶給企業(yè)的無形貢獻。針對弗雷德單克·萊希赫爾德的凈現(xiàn)值評價方法的不足，萬映紅提出了客戶價值的總體評價應包括當前價值和未來價值兩個價值維度。其中，當前價值反映了客戶對企業(yè)當前盈利的貢獻水平。主要以貨幣化的利潤形式衡量；未來價值是指客戶對企業(yè)的潛在價值，即在未來一段時間內客戶將會為企業(yè)帶來的盈利。主要以非貨幣化的忠誠度、信用度等形式存在。此外，夏維力提出的客戶轉換觀點，對客戶生命周期價值有巨大影響，為了更好地衡量客戶轉換價值，他增加了客戶忠誠度這一新的維度。
基于上述理論，本文從某汽車4S店客戶服務的實際情況出發(fā)，提出客戶價值評價方法如圖1。該方法特點包括：增加客戶發(fā)展?jié)摿χ笜耍砻骺蛻粼谖磥砟芙o企業(yè)帶來較大價值。增加客戶忠誠度指標，反映著客戶愿意繼續(xù)與企業(yè)保持客戶關系的指數。衡量客戶轉換程度，將客戶份額等有形指標作為衡量客戶與企業(yè)關系強弱的標準。
圖1 客戶價值評價指標
客戶價值分類模型及神經網絡結構設計
以客戶生命周期理論、客戶價值理論作為理論基礎，建立基于客戶當前價值、客戶潛在價值、客戶忠誠度的三維客戶價值指標體系，采用神經網絡分類方法，構建客戶價值細分模型，模型構建步驟如圖2。
圖2 基于客戶生命周期的客戶細分模型框架圖
(一)指標無量綱化
由于不同的指標是從不同的側面反映客戶的價值，指標之間無法進行比較。因此，為了便于最終評價值的確定，需對各指標進行無量綱化處理�？紤]到神經網絡訓練的收斂性問題，須對指標進行定性和定量無量綱化處理。
1．定性指標。在客戶價值評價指標體系中，定性指標有交叉購買、追加消費程度、推薦新客戶程度、持續(xù)消費趨勢4個。其評價值采用專家打分方法進行，取值在0—1之間。
2．定量指標。對客戶進行細分，因指標屬不同量綱類型，使得指標間具有不可共度性，需將這些指標按照一定的函數關系式歸一到某一無量綱區(qū)間。
對于利潤指標，指標值越大越好，選用所有客戶的較大值為該指標的理想值，
(二)數據歸一化處理
由于消費金額、利潤、客戶份額、重復消費次數各指標的數量級不同。為了便于神經網絡快速收斂達到加快訓練速度的目的，本文采用線性函數作為轉移函數進行歸一化處理。該函數值域為[0，1]，訓練時要把數據規(guī)范到[0，1]，因0和1分別是S型函數的最小值和最大值，為達到0或1必須多次訓練并修改權值，導致訓練速度很慢，因此數據處理時須盡量避開0或1。歸一化公式為：
上式中Xipl——原始數據第i個樣本的輸入值，Xipl——規(guī)范化后第i個樣本的輸入值，xmin——根據數據實際情況選取數據中最小值的數值，xmax——根據實際數據情況選取數據中最大值的數值。
(三)BP神經網絡結構設計
本文采用具有多輸入多輸出的三層BP神經網絡結構。其中：輸入層根據客戶價值細分指標，將指標數作為輸入層神經元數；隱含層：設定初始值準則為：L=(m*n)/2，其中m為輸入層的個數，n為輸出層的個數；輸出層：根據每個客戶的當前價值、潛在價值、忠誠度將客戶分為低價值低潛力、低價值高潛力、高價值低潛力、高價值高潛力四類，輸出層個數設定為4。
(四)網絡算法優(yōu)化
由于常用BP算法缺點收斂速度慢，局部出現(xiàn)極值，難以確定隱含層和隱含層個數，因此算法須加以改進。改進途徑有兩種：啟發(fā)式學習和優(yōu)化算法，本文擬在采用動量法和學習率自適應調整的基礎上進行優(yōu)化計算，改進算法為：
刻的負梯度，D(k－1)為k－1時刻的負梯度，α為學習率(α>0)，η為動量因子，0≤η≤1。此方法加入的動量項實際上相當于阻尼項，減小了學習過程中的振蕩，改善了收斂性。
自適應調整學習率有利于縮短學習時間。標準BP算法收斂速度慢的一個重要原因是學習率選擇不當，學習率越小，收斂性越小。反之，有可能修正過快，導致振蕩發(fā)散。自適應調整學習率的改進算法可表示為：
實例研究
實例分析中，本文選取某汽車4S店的客戶記錄作為研究對象，主要數據為公司2008年3月1日到2008年6月1日的客戶維修記錄及客戶基本信息記錄，需要指出的是，由于公司還未有潛在價值中交叉消費、追加消費、推薦新客戶指標的數據，因此考慮的指標主要是當前價值中的利潤、消費金額及客戶重復消費次數。其中消費金額主要以維修金額、材料費用體現(xiàn)，這里沒有簡單的用維修總金額作為分類標準。是基于汽車在使用過程中，一次大的維修耗費金額遠多于許多次小的維修耗費金額這一考慮，因此不能和其它行業(yè)一樣，僅以消費金額作為唯一分類指標。客戶在此三月期間重復消費可認為是忠誠度的表現(xiàn)，因此將客戶維修次數作為忠誠度指標毋庸置疑。維修記錄如表1所示。
表1 維修記錄登記表
按照(1)式和(3)式對數據進行預處理后數據如表2所示。
表2 預處理后表
按照上述客戶價值分類模型，確定神經網絡輸入層神經元個數為4，隱含層神經元個數為10，輸出層神經元個數為4。通過采用MATLAB7.0作為模擬工具，訓練函數設置為trainim函數，自適應函數設置為learngdm函數，第一層傳遞函數設置為tansig函數，第二層傳遞函數設置為purelin函數。訓練周期設置為1000，平均誤差平方和設置為1.0e-10。對896組數據，設置前600組作為訓練數據訓練網絡，余下296組作為測試數據，在區(qū)間[-1，1]之間隨機生成的數通過迭代，使整個網絡誤差達到理想狀態(tài)，誤差變化情況見圖3。
圖3 迭代運算誤差變化圖
從圖3可看出，該BP網絡經過100個訓練周期達到要求目標誤差范圍，訓練效果較好。此時，成功構建了關于汽車維修消費情況分類的神經網絡，隱含層各節(jié)點權值為：W=[-0.15973 0.13693 -0.5689 -0.69101 -0.061942 0.55336 0.64966 -0.35241 -0.50823 0.25985]，代入測試數據，將數據分為低價值低潛力、低價值高潛力、高價值低潛力、高價值高潛力四類，抽取具有代表性數據如表3所示。
表3 分類客戶的消費數據
客戶保持策略
對上述四類客戶，深入分析和考察，可擬定相應保持策略：
Ⅰ類客戶：低價值低潛力。對企業(yè)吸引力最低。該類客戶價值低可有兩種情況：一是當前價值和潛在增值價值都很低，偶爾有些小額消費，但會提出苛刻服務要求，對此類客戶，公司要鼓勵其轉向競爭對手，任其流失。二是客戶當前價值低但有一定潛在價值，如果此類客戶當前價值不高是由過高服務成本和營銷成本造成，可通過尋求降低成本途徑來提高客戶價值，從而使此類客戶變?yōu)橛袃r值客戶。
Ⅱ類客戶：低價值高潛力。此類客戶工時費和材料費相當，對4S店的服務和配件質量相當滿意，對商家來說，該客戶具有巨大利潤空間，應在以后服務中，提升客戶對產品和服務的認知度。換而言之，其保持策略重點是完善服務體系，提高客戶忠誠度，可通過增值服務和客戶關懷兩方面來實現(xiàn)。
Ⅲ類客戶：高價值低潛力。此類客戶幾乎將當前全部業(yè)務給了公司，具有很高的忠誠度，并為公司推薦新客戶。此類客戶修理次數不多，大部分費用集中在材料費上。有很高的當前價值，其保持策略是建立客戶數據庫，降低交易成本，為客戶提供最優(yōu)服務。該數據庫為動態(tài)數據庫。重點研究和挖掘客戶偏好，進而實行一對一關系營銷；至于降低交易成本，提高客戶保持效率方面，企業(yè)可從提高內部信息化作業(yè)水平，優(yōu)化專業(yè)服務體系，開發(fā)信息交流渠道等方面下功夫。以收到良好效果。
Ⅳ類客戶：高價值高潛力。是公司最有價值的一類客戶。此類客戶維修次數較多，工時費和材料費大抵相同且金額數量較大，對品牌和服務有較強認同感。是4S店的主要利潤來源。其保持策略是公司將主要資源投資到此類客戶中，建立起核心客戶數據庫，掌握客戶性格、愛好等心理信息，實施一對一的客戶保持策略，如利用包括網絡在內的各種溝通手段主動與該類客戶進行有效溝通。了解他們的確切需求，定制個性化服務、提供靈活支付條件、安排最好服務人員，為他們提供能帶來最大增益的全套解決方案。
客戶細分是當前研究的一個熱點，客戶價值的市場細分是成功實施客戶系管理的基礎。本文在一定理論研究基礎上，提出了從客戶當前價值、潛在價值、忠誠度三個維度來建立客戶價值指標體系以反映客戶未來價值的觀點，在結合某汽車4S店實際，利用BP神經網絡方法構建客戶細分模型，進行實例研究之后，作者根據各類客戶特點提出了相應的客戶保持策略。由于本文是一種探討性研究，在客戶價值指標選取、轉換方面還有待進一步研究。
核心關注：拓步ERP系統(tǒng)平臺是覆蓋了眾多的業(yè)務領域、行業(yè)應用，蘊涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務管理理念，功能涉及供應鏈、成本、制造、CRM、HR等眾多業(yè)務領域的管理，全面涵蓋了企業(yè)關注ERP管理系統(tǒng)的核心領域，是眾多中小企業(yè)信息化建設首選的ERP管理軟件信賴品牌。
轉載請注明出處：拓步ERP資訊網http://www.ezxoed.cn/
本文標題：基于客戶價值的客戶分類及保持策略研究
相關文章
